基于多核支持向量数据描述的单类分类方法

摘要：

针对异常检测模型中,单核支持向量数据描述存在映射形式单一以及核函数、核参数选择困难的问题,提出一种多核优化组合的支持向量域描述的单类分类方法.在分析多核映射的核空间基础上,建立多核支持向量数据描述模型,以更灵活地描述训练样本在高维特征空间的边界分布情况.采用目标函数的梯度下降法对该模型的多核组合权重进行分步寻优,并引入异常类测试样本来控制和评价分类器的描述精度和推广能力.仿真实验结果表明,该方法具有更好的学习能力和计算效率.

关键词：模式识别、单类分类、多核学习、支持向量数据描述、异常检测

所属期刊栏目：39

分类号：TP18(自动化基础理论)

在线出版日期：2013-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：165-168,173